Statistica, Finanza e Scienze attuariali

STEFANIA GUBBIOTTI

Obiettivi formativi.
L'obiettivo formativo primario dell'insegnamento è l'apprendimento da parte degli studenti dei concetti e delle procedure di base della statistica descrittiva.
Dal punto di vista tecnico-operativo, al termine del corso lo studente deve essere in grado di progettare una piccola indagine censuaria e di elaborarne criticamente i dati dal punto di vista descrittivo sfruttando un software statistico.
Conoscenza e capacità di comprensione.
Dopo aver frequentato il corso gli studenti conoscono e comprendono le principali procedure di analisi descrittiva dei dati.
Sono in grado di sintetizzare i dati mediante rappresentazioni grafiche e di organizzarli in tabelle semplici e doppie.
Conoscono e sono in grado di calcolare i più importanti indicatori statistici che
(a) misurano la posizione, la variabilità e la forma di distribuzioni semplici e
(b) quantificano importanti aspetti delle distribuzioni secondo due caratteri.
Inoltre, hanno acquisito la nozione di modello statistico e sono in grado di implementare un modello di regressione semplice.
Capacità di applicare conoscenza e comprensione.
Al termine del corso gli studenti sono in grado di applicare le conoscenze acquisite nell'interpretazione e nella valutazione critica dei risultati di analisi statistiche descrittive.
Autonomia di giudizio.
Gli studenti, attraverso lo svolgimento di un ampio numero di esercizi su tutti gli argomenti trattati, sviluppano capacità di giudizio autonomo che permettono di individuare i metodi più appropriati per risolvere problemi di statistica descrittiva e di intrepretare criticamente i risultati delle elaborazioni forniti dal software.
Abilità comunicativa.
Gli studenti, attraverso lo studio e lo svolgimento di esercizi pratici, acquisiscono il linguaggio tecnico-scientifico della disciplina, che deve essere opportunamente utilizzato sia nelle prove scritte che orali.
Capacità di apprendimento.
Gli studenti che superano l'esame hanno conoscenza delle nozioni fondamentali necessarie per l'esplorazione statistico-descrittiva dei dati.
Sono, inoltre, in grado di implementare semplici codici per organizzare i dati in tabelle e sintetizzarli mediante rappresentazioni grafiche e/o calcolo di importanti indicatori.
Hanno, pertanto, acquisito le basi per poter apprendere quanto verrà proposto negli insegnamenti successivi di area statistica.

Dopo aver frequentato il corso gli studenti conosceranno e comprenderanno le principali procedure di analisi descrittiva dei dati (rappresentazioni grafiche, tabelle, indici statistici). Saranno inoltre in grado di utilizzare il software statistico R per elaborazioni di dati e di applicare le conoscenze acquisite nell'interpretazione e nella valutazione critica dei risultati. Gli studenti, attraverso lo studio e lo svolgimento di esercizi pratici, acquisiranno il linguaggio tecnico-scientifico della disciplina e le nozioni fondamentali per poter apprendere quanto verrà proposto negli insegnamenti successivi di area statistica.

Conoscenze di matematica di base a livello scolastico e minima familiarità con l’uso del PC.
Nessuna propedeuticità.

Il programma è strutturato in tre parti.

Parte 1 (16 ore circa): Classificazione, organizzazione, rappresentazione dei dati.
Argomenti: Distribuzioni per unità e distribuzioni di frequenza; distribuzioni in classi per caratteri quantitativi continui; rappresentazioni grafiche.

Parte 2 (36 ore circa): Sintesi dei principali aspetti di una distribuzione semplice.
Argomenti: principali indici di posizione e loro proprietà; principali indici di variabilità e loro proprietà; principali indici di forma e loro proprietà.

Parte 3 (20 ore circa): Relazioni tra variabili.
Argomenti: distribuzioni doppie; tabelle di contingenza; concetto di indipendenza e misura della dipendenza; dipendenza in media; correlazione; regressione (modello di regressione lineare semplice).

Giuseppe Cicchitelli, Pierpaolo D'Urso, Marco Minozzo (2022) "Statistica: principi e metodi". PEARSON.

Le lezioni frontali prevedono alternanza tra presentazione di aspetti teorici, esempi di applicazione (con l'uso del software R) e risoluzione di esercizi.

La frequenza del corso non è obbligatoria ma è fortemente consigliata.

Per accedere all'esame orale è richiesto il superamento di una prova strutturata in due parti:
- Parte scritta (durata: 90 minuti circa): risoluzione esercizi tradizionali (carta e penna)
- Parte pratica in R (durata: 30 minuti circa): analisi statistica di base su dataset (codice R e commenti)
* E' prevista una prova in itinere (solitamente inizio novembre) che esonera dall'esame scritto + pratico sulla prima metà del programma.
La prova finale è un esame orale (durata: 20 minuti circa) che verte principalmente sui concetti introdotti nel corso e sulle dimostrazioni dei risultati teorici.
Complessivamente queste prove consentono di accertare sia l’acquisizione dei concetti teorici che le abilità di risoluzione di problemi concreti.
Ciascuna parte ha il seguente peso sul voto finale:
- Parte scritta: 1/3
- Parte R: 1/6
- Parte orale: 1/2

Esempi di domande ed esercizi che costituiscono la prova scritta, la prova pratica con R e la prova orale sono disponibili sulla pagina moodle del corso: https://elearning.uniroma1.it/enrol/index.php?id=19952

• Classificazione, organizzazione, rappresentazione dei dati.Argomenti: Distribuzioni per unità e distribuzioni di frequenza; distribuzioni in classi per caratteri quantitativi continui; rappresentazioni grafiche.
  • Testi di riferimento: Cicchitelli et al, (2022)


• Sintesi dei principali aspetti di una distribuzione semplice.Argomenti: principali indici di posizione e loro proprietà; principali indici di variabilità e loro proprietà; principali indici di forma e loro proprietà.
  • Testi di riferimento: Cicchitelli et al, (2022)


• Relazioni tra variabili.Argomenti: distribuzioni doppie; tabelle di contingenza; concetto di indipendenza e misura della dipendenza; dipendenza in media; correlazione; regressione (modello di regressione lineare semplice).
  • Testi di riferimento: Cicchitelli et al, (2022)